待验证60% 置信权衡取舍精确时间
传统集成学习的有效性依赖基学习器之间的错误相互独立，当错误模式高度相关时集成收益会大幅缩水
2
来源数
60%
置信度
长期有效
时效性
2026/7/15
首次发现
来源
相关事实
待验证收敛失败是一个多因问题，学习率、优化器选择、批归一化缺失、数据未归一化以及权重初始化不当都可能导致损失长期不下降或剧烈震荡。76% 相似待验证行为克隆（BC）存在复合误差与分布偏移问题，智能体偏离训练分布后预测误差会指数级累积76% 相似已验证朴素训练后量化会导致单个权重误差在多层网络中累积放大，即复合误差，在2位或1位精度下模型结构会崩溃75% 相似待验证复合错误效应（Compounding Error Effect）指每一步决策的微小偏差会在后续步骤中被持续继承和放大，在多智能体协作场景中错误还会在智能体间传播75% 相似已验证偶发性故障的内存条可能交替产生正确和错误的计算结果，导致神经网络训练中梯度计算偶发性偏差，影响模型收敛性且不触发硬件告警75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/514414API
curl https://kongchang.com/api/v1/knowledge/claims/514414MCP
get_claim(id=514414)